Syllabus data

Teacher name ： Hamada Masahiko
授業科目名
Artificial Intelligence Theory
学年
1Grade
単位数
2.00Credits
実務経験の有無
Have work experience
開講クォーター
semester not specified
担当教員
Hamada Masahiko
授業形態
授業で主に使用する言語
日本語になります。
授業方法区分
開講キャンパス
Online (OnDemand)
授業の到達目標及びテーマ
人工知能(Artificial Intelligence : ＡＩ)の中心的役割を果たしている知識工学，認知科学に関し，「機械の知」，「人間の知」という2つの観点から学び，現段階における人工知能の活用事例を通して人工知能の可能性および限界を理解する。また機械学習などを活用した簡単な人工知能アプリケーションを作成し、開発の基本を習得する。

授業の概要
本授業は全てオンデマンド型のオンライン授業として開講します。授業に関する質問はメールで行います。授業のビデオの公開期間は原則1週間とします。
出欠はポータルのコード登録で行います。授業の動画内で登録コードは提示します。（入六期可能期間は1週間となってます。また併せて小テストにより、毎回の授業の理解度を確認し、出席確認とします。小テストの得点が低い場合は JIU メールで個別に連絡します。また、動画の視聴ログで極端に視聴時間が短い場合はこちらで欠席に変更を行います。

全13回を通して、近年話題になってる機械学習/AIに関わる様々な知識を身につけ、今後のITで実現できるであろうことを想像できるようにします。
授業計画
1回
授業はオンデマンド型となります。
人工知能とはどのようなものか、そしてどのような経緯で発展してきたのかを学び、人工知能の現状について理解する。また、本講座の進め方を理解する。
事前学習
事前に配布する資料を読み、疑問点などをまとめて授業に参加ください。
事後学習
小テストの復習（教材を再度確認し、間違った問題を中心に自分の考えをまとめてください）
授業を通して理解した人工知能の歴史を自分の言葉でまとめておいてください。

2回
授業はオンデマンド型となります。
人工知能を活用したアプリケーション事例の紹介する。
事前学習
事前に配布する資料を読み、疑問点などをまとめて授業に参加ください。
事後学習
小テストの復習（教材を再度確認し、間違った問題を中心に自分の考えをまとめてください）
自分で人工知能の活用例を探してみて、1枚にまとめてください。（課題とします）

3回
授業はオンデマンド型となります。
知識工学をベースにした知識を使った問題解決の手法の概要、およびルールベースの問題解決手法について理解する。
事前学習
事前に配布する資料を読み、疑問点などをまとめて授業に参加ください。
事後学習
小テストの復習（教材を再度確認し、間違った問題を中心に自分の考えをまとめてください）
授業を通して理解したルールベースの問題解決手法を自分の言葉でまとめておいてください。

4回
授業はオンデマンド型となります。
セマンテックなど、意味ネットワークやフレームシステムによる知識表現とそれに基づく推論の仕組みを理解する。
事前学習
事前に配布する資料を読み、疑問点などをまとめて授業に参加ください。
事後学習
小テストの復習（教材を再度確認し、間違った問題を中心に自分の考えをまとめてください）
授業を通して理解した人工知能を自分の言葉でまとめておいてください。

5回
授業はオンデマンド型となります。
機械学習のコンセプトや、人工知能との機械学習の関係を説明します。機械学習の仕組みを交えながら、機械学習とは何なのを解説する。
事前学習
事前に配布する資料を読み、疑問点などをまとめて授業に参加ください。
事後学習
小テストの復習（教材を再度確認し、間違った問題を中心に自分の考えをまとめてください）
授業を通して理解した機械学習のコンセプトを自分でまとめてみてください。

6回
授業はオンデマンド型となります。
パーセプトロン、サポートベクターマシン、ディープラーニング（深層学習）、ニューラルネットワーク、教師あり学習など多くの種類と特徴を解説する。
事前学習
事前に配布する資料を読み、疑問点などをまとめて授業に参加ください。
事後学習
小テストの復習（教材を再度確認し、間違った問題を中心に自分の考えをまとめてください）
授業を通して理解したアルゴリズムを自分の言葉でまとめておいてください。

7回目
授業はオンデマンド型となります。
ニューラルネットワークの考え方ついて説明します。応用例としては時系列データを扱う予定です。
ニューラルネットワークの代表的アルゴリズムでありパーセプトロンを理解する。
事前学習
事前に配布する資料を読み、疑問点などをまとめて授業に参加ください。
事後学習
小テストの復習（教材を再度確認し、間違った問題を中心に自分の考えをまとめてください）
授業を通して理解したニューラルネットワークを自分の言葉でまとめてください。

8回
授業はオンデマンド型となります。
画像認識などで活用されてるBPNの基礎を解説する。またDeeplerningの学習ツールに関して紹介します。
事前学習
事前に配布する資料を読み、疑問点などをまとめて授業に参加ください。
事後学習
小テストの復習（教材を再度確認し、間違った問題を中心に自分の考えをまとめてください）
授業で紹介したAnacondaを自分のPC似導入してみましょう。

9回
授業はオンデマンド型となります。
前回紹介したAnacondaを使用して、機械学習の学習を実施します。
事前学習
事前に配布する資料を読み、疑問点などをまとめて授業に参加ください。
事後学習
小テストの復習（教材を再度確認し、間違った問題を中心に自分の考えをまとめてください）
授業で提供したNotebookを自分の環境で実施しましょう。

10回
授業はオンデマンド型となります。
クラウドを利用したDeepleraningのツールを紹介します。
事前学習
事前に配布する資料を読み、疑問点などをまとめて授業に参加ください。
事後学習
小テストの復習（教材を再度確認し、間違った問題を中心に自分の考えをまとめてください）
授業で紹介したツールを自分で試しに使ってみましょう。

11回
授業はオンデマンド型となります。
前回に続きクラウドを利用したDeepleraningのツールを紹介します。
事前学習
事前に配布する資料を読み、疑問点などをまとめて授業に参加ください。
事後学習
小テストの復習（教材を再度確認し、間違った問題を中心に自分の考えをまとめてください）
授業で紹介したツールを自分で試しに使ってみましょう。

12回
授業はオンデマンド型となります。
人工知能が抱えてる課題に関して解説します。
事前学習
事前に配布する資料を読み、疑問点などをまとめて授業に参加ください。
事後学習
小テストの復習（教材を再度確認し、間違った問題を中心に自分の考えをまとめてください）
授業を通して理解した人工知能の課題を自分の言葉でまとめておいてください。

13回
この講座の総まとめを行います。
事前学習
これまでの小テストの復習を行い期末試験の対策を各自やっておいてください。
事後学習
授業を通して理解した人工知能の課題を自分の言葉でまとめておいてください。

14回
掲示板で指定する期間にテストを行ってください。テストの方式に関して13回の授業内で解説します。
事前学習
期末テストの準備を行ってください。
事後学習

15回
事前学習
事後学習

16回
事前学習
事後学習

17回
事前学習
事後学習

18回
事前学習
事後学習

19回
事前学習
事後学習

20回
事前学習
事後学習

21回
事前学習
事後学習

22回
事前学習
事後学習

23回目
事前学習
事後学習

24回
事前学習
事後学習

25回
事前学習
事後学習

26回
事前学習
事後学習
試験及び成績評価
小テスト・レポート・期末試験を実施する。評価配分は以下の通り。
○期末試験:60%
○授業中に実施する小テスト及びレポート:30%
○授業への取り組み・発表:10%

期末試験は、オンラインで実施します。
課題(試験やレポート等)に対するフィードバック
次回授業内での解説をいたします。
講義で使用するテキスト（書名・著者・出版社・ISBN・備考）
ポータルで授業資料は配付します。
ー
ー
ー
ー
参考文献・推薦図書
資料はポータルでPDFを提供します。
研究室
なし
オフィスアワー
いつでも、メールでの問い合わせに対応します。（必要ならWebEXを使用します）
火曜日/木曜日6限目
科目ナンバリング
学位授与方針との関連
関連ページ